Dyskretna transformata falkowa w modelowaniu rynku surowców energetycznych oraz systemy aukcji

• Autorzy: Jasiński T. , Ścianowska A.

Warianty tytułu

EN

Discrete wavelet transform in modeling market of energy raw materials and auction systems

• Języki publikacji: PL

Abstrakty

PL

Opracowanie przedstawia możliwości zastosowania narzędzi z zakresu sztucznej inteligencji i dyskretnej transformaty falkowej w procesie modelowania przyszłego zachowania rynków energii i powiązanych z nimi rynków surowców energetycznych. W artykule podjęto również próbę pokazania roli systemów aukcji w determinowaniu efektywności rynku energii poprzez łagodzenie wahań cenowych, zapewnienie rentowności podejmowanych inwestycji oraz znoszenie barier wejścia do sektora. Wskazano również na znaczącą rolę opcji kupna energii w łagodzeniu wymienionych wyżej problemów.

EN

The paper presents possibilities of using artificial intelligence tools and discrete wavelet transform to predict energy markets and related raw materials markets. The article also points out the role of the auction system in improving the energy market efficiency by mitigating price fluctuations, ensuring return on invested capital and the dismantling of entry barriers. Also points to the important role of energy call options in alleviating the aforementioned problems.

Słowa kluczowe

PL

sztuczne sieci neuronowe; transformata falkowa; analiza wieloczęstotliwościowa; surowce energetyczne; systemy aukcji

EN

artificial neural networks; wavelet transform; multiresolution analysis; energy raw material; auction systems

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 4
• Strony: 3813--3819, CD2
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Jasiński T.

• Politechnika Łódzka, Wydział Organizacji i Zarządzania, 90-924 Łódź, ul. Piotrkowska 266

autor

Ścianowska A.

• Politechnika Łódzka, Wydział Organizacji i Zarządzania, 90-924 Łódź, ul. Piotrkowska 266

Bibliografia

• 1. Mingming T., Jinliang Z., A multiple adaptive wavelet recurrent neural network model to analyze crude oil prices, Journal of Economics and Business 64, 2012, ss. 275– 286.
• 2. Pindoriya N.M., Singh S.N., Singh S.K., An Adaptive Wavelet Neural Network-Based Energy Price Forecasting in Electricity Markets, IEEE Transactions on Power Systems, vol. 23, nr 3, sieprień 2008, ss. 1423-1432.
• 3. Jasiński T. (w druku), Budowa modelu prognostycznego cen zasobów produkcyjnych z wykorzystaniem sztucznych sieci neuronowych [w:] Z. Leszczyński, T. Jasiński, Inżynieria kosztów, ODDK, 2015.
• 4. Duan G., Dong Z.Y., Wang X.F., Composite auction method for suppressing unreasonable electricity price spikes in a competitive electricity market, IEE Proceedings – Generation, Transmission and Distribution, vol. 152, issue 4, 2005, ss. 460 - 468.
• 5. Jammazi R., Aloui C., Crude oil price forecasting: Experimental evidence from wavelet decomposition and neural network modeling, Energy Economics 34, 2012, ss. 828–841.
• 6. He K., Xie C., Chen S., Lai K.K., Estimating VaR in crude oil market: A novel multi-scale non-linear ensemble approach incorporating wavelet analysis and neural network, Neurocomputing 72, 2009, ss. 3428–3438.
• 7. de Souza e Silva E.G., Legey L.F.L., de Souza e Silva E.A., Forecasting oil price trends using wavelets and hidden Markov models, Energy Economics 32, 2010, ss. 1507–1519.
• 8. Cramton P., Stoft S., Forward Reliability Markets: Less Risk, Less Market Power, More Efficiency, Utilities Policy 16, 2008, ss. 194-201.
• 9. Vazquez C., Rivier M., Perez-Arriaga I.J., If pay as bid auctions are not a Solution for California, then why not a reliability market?, The Electricity Journal, vol. 14, issue 4, 2001, ss. 41-48.
• 10. Blumsack S., Perekhodtsev D., Lave L.B., Market Power in Deregulated Wholesale Electricity Markets: Issues in Measurement and the Cost of Mitigation, The Electricity Journal, vol. 15, issue 9, 2002, ss. 11-24.
• 11. Jasiński T., Przegląd architektur sztucznych sieci neuronowych wykorzystywanych w ekonomii do przewidywania szeregów czasowych, Studia i Prace Kolegium Zarządzania i Finansów, Zeszyt naukowy 35, SGH, Warszawa, 2003, ss. 166-177.
• 12. Kahn A.E., Cramton P.C., Porter R.H., Tabors R.D., Uniform Pricing or Pay-as-Bid Pricing: A Dilemma for California and Beyond, The Electricity Journal, vol. 14, issue 6, 2001, ss. 70-79.